域随机化线性二次系统的策略迭代
Policy Iteration for Domain Randomized Linear Quadratic Systems
浏览论文内容
中文总结 AI 辅助
该研究针对线性二次控制的域随机化问题，提出带稳定步长规则的策略迭代算法，证明其样本平均目标单调改进，在平滑假设下子收敛至驻点，梯度主导条件下全局线性收敛。
中文摘要 AI 辅助
在本研究中，我们针对线性二次控制的域随机化下的策略优化展开研究，重点学习单一状态反馈控制器，以最小化具有不确定动力学的系统的平均代价。我们提出一种带步长规则的策略迭代算法，该规则可在每次迭代中保持所有采样系统的稳定性。我们证明该方法能使样本平均目标函数单调改进，且始终存在稳定步长。在标准平滑假设下，迭代序列子收敛至驻点；在梯度主导条件下，我们得到全局线性收敛速率。
英文摘要
In this work, we study policy optimization under domain randomization for linear quadratic control, focusing on learning a single state-feedback controller that minimizes the average cost across systems with uncertain dynamics. We propose a policy iteration algorithm with a step-size rule that preserves stability across all sampled systems at each iteration. We show that the method yields monotonic improvement of the sample-average objective and that a stabilizing step size always exists. Under standard smoothness assumptions, the iterates converge subsequentially to stationary points, and under a gradient-dominance condition, we obtain a global linear convergence rate.
发表机构
- Linköping University（林雪平大学）
机构由 AI 辅助整理，请以论文原文为准。
